基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

基于GA—BP神经网络的大型公共建筑能耗预测研究

针对大型公共建筑高能耗问题,将影响能耗的因素进行定量与定性分析,提出了遗传算法和神经网络相结合的大型公共建筑能耗预测模型。采用GA算法优化BP神经网络的权值和阈值的方法对大型公建能耗预测模型进行分析,并结合实例验证了该模型的有效性。结果表明：较传统的BP神经网络,该模型能更准确地预测大型公共建筑能耗,并且为其确保用能定额和节能工作的开展提供了科学依据。     

基于GA-BP神经网络的深基坑变形最优化预测研究

为研究明挖法市政隧道深基坑施工过程中立柱结构竖向位移、墙体水平位移、支护桩(墙)顶部竖向位移、支护桩(墙)顶部水平位移与地下水位之间的规律,利用现场实测方法对风险点位展开时程监测,通过基于GA-BP神经网络的算法得出其相应联系并进行最优化预测。该研究方法在广州市天河区大观路隧道段施工中得到应用,通过合理指导措施改进了数据监测安全性和真实性,该基坑结构实际监测过程中始终处于安全范围,验证了研究方法的合理性。     

基于BP神经网络模型的建筑工程安全损失预测研究

建筑工程安全损失问题不仅关系到建筑企业的稳定发展,而且直接影响着建筑产业整体效率的提升。基于此,针对建筑工程实际,采用文献梳理的方法,构建出建筑工程安全损失影响指标体系,然后再将通过实地调研问卷搜集到的数据带入BP神经网络,进而对各建筑工程安全损失进行预测。研究结果表明,该方法是可行且有效的。     

基于BP神经网络的建筑施工现场安全评价研究

提出基于BP神经网络模型的建筑施工现场安全评价方法,该方法在解决实际问题中具有应用前景。     

基于BP网络的工程机械年销售量预测

简述BP网络预测法的原理、网络结构设计、算法，运用该预测法对我国工程机械年销售量进行了预测，证明该预测方法正确可行。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于BP神经网络的建筑能耗预测

利用MATLAB建立BP神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与D eST-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。     

基于GIS的河流水体污染非线性预测系统研究

针对河流水体污染物的空间分布特点,提出综合运用GIS、BP神经网络和遗传算法,实现河流水污染的空间数据管理和污染预测的方法。该方法通过改进激励函数、为权值的修正加入动量项等方法改良BP算法;并引入遗传算法实现BP神经网络隐层节点数、最佳学习率和动量因子等参数的自动搜索,有效地解决了传统模型参数难以确定等问题。并进一步将该模型与GIS强大的空间功能结合,实现了水体污染的海量空间数据管理及评价预测结果的空间图形直观可视化表达,十分便于及时掌握河流水体污染动态、空间分布及演化趋势。并最终以GIS为二次开发平台,实现了基于遗传神经网络的河流水体污染非线性预测管理系统,并在长江重庆城区段河流污染预测应用中显示出良好的效果,预测精度达78％以上。     

基于脆弱性理论的建筑安全管理研究

基于脆弱性理论分析建筑施工安全事故发生机理,指出施工安全事故发生的根本原因在于安全管理系统的脆弱性。建立包括12个指标的施工项目安全管理系统脆弱性评价指标体系,构建基于Vague集的脆弱性评价模型,选择某大型施工企业的三个项目为研究对象进行实证研究。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.     

基于ANN-CVaR模型的住宅投资风险评价研究

商品住宅的开发投资风险越来越大,建立有效的评价方法和模型已经迫在眉睫。文章定性分析和定量测算相结合,使用BP神经网络和条件在险价值,构建了商品住宅开发投资的风险评价模型。通过整合BP神经网络和CVaR模型的优点,更真实准确地反映住宅投资风险,并做了实证研究。该模型在判断出风险程度的同时给出风险来源,指导商品住宅的投资决策,还为以后研究商品住宅开发投资风险提供了新思路。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

武汉二七长江大桥施工安全风险因素频数权重层次分析

为了科学、客观地确定桥梁施工安全风险因素的权重,把握好影响桥梁施工的主要因素,有效控制桥梁施工风险,提出将两个因素的频数比作为各因素之间相对重要度构造判断矩阵,求得指标权重。通过对武汉二七长江大桥施工期安全检查表的数据频数进行统计分析,以风险因素频数比构造判断矩阵,应用Matlab进行计算,验证判断矩阵的一致性,确定各指标的权重排序,得出承台、安全网及防护围栏、大型设备交叉作业、吊机和混凝土工程为影响桥梁施工安全的主要因素,为今后桥梁施工安全管理提供参考。     

基于 NRS-BP 模型的商品住宅需求预测研究

合理预测商品住宅需求的未来走势,有利于形成房地产市场平稳健康发展态势。将邻域粗糙集（NRS）和 BP 神经网络结合,构建基于 NRS-BP 的商品住宅需求预测模型。先确定商品住宅需求影响因素集,利用 NRS 对集合中的影响因素进行约简,选出最佳约简组合;在训练好的 BP 神经网络模型中,输入 GM（1,1）预测的需求主要影响因素时序数据,计算未来年份商品住宅需求量。经实际算例分析,预测出其未来 5 年商品住宅需求量,验证了该模型的可靠性。     

给水管网遗传优化设计中惩罚系数的确定

针对应用遗传算法进行给水管网优化设计中惩罚系数难以确定的问题,提出了一种应用给水管网技术经济参数来计算惩罚系数的新方法。数值模拟结果表明,采用该方法计算惩罚系数是可行的,能以较高的概率搜索到最优解,减小了确定惩罚系数的随意性和盲目性,提高了遗传算法的进化效率和收敛性,对于工程优化设计具有一定的参考价值。     

基于遗传算法与神经网络的桥梁结构健康监测系统研究初探

在前人研究工作的基础上，根据遗传算法和神经网络在处理复杂非线性问题时的各自特点，分别将其用于桥梁结构健康监测系统的不同部分，提出了建立基于遗传算法与神经网络的桥梁结构健康监测系统的基本设想。由于该项研究工作刚刚起步，文中的有些部分已经经过试验验证，而有些部分则尚处于理论研究阶段，需通过试验进一步证实。     

基于企业安全文化层面的建筑施工研究

分析了我国建筑施工安全现状,对频发的安全事故原因进行探讨,从建筑安全意识、建筑安全制度、建筑安全物资三个层面提出了加强建筑施工安全管理的有效对策.